[发明专利]一种基于多任务的交通流量预测方法

权利要求书

1.一种基于多任务的交通流量预测方法，其特征在于，包括如下步骤：

S1、设置若干个高速路段监测点，并获取各个高速路段监测点的历史交通流量数据；

S2、将获取的历史交通流量数据时序对准，并进行数据清洗，按设定的间隔时间分别进行累加合并，得到各个设定间隔时间的交通流量数据，并划分为训练数据集、验证数据集和测试数据集；

S3、构建用于表示各个高速路段监测点之间的时空依赖关系图像，并得出图数据；

S4、将得出的图数据按照时序输入多任务模型中，所述多任务模型包括时空图卷积网络模块和多任务学习模块，训练后多任务模型预测未来交通路网的交通流量及行程时间。

2.根据权利要求1所述的基于多任务的交通流量预测方法，其特征在于，所述步骤S1设置若干个高速路段监测点，并获取各个高速路段监测点的历史交通流量数据，包括如下步骤：

确定高速路段监测点的具体数量N，根据预测目标，从监测到的交通数据中提取所需的数据，并得到第i个高速路段监测点的时序数据i∈[1，N]，作为历史交通流量数据；其中j∈[1，M]代表第j个时段在时序上的数据。

3.根据权利要求1所述的基于多任务的交通流量预测方法，其特征在于，所述步骤S2还包括如下步骤：

S21、将时序对准后的历史交通流量数据，清洗其中的缺失值、异常值及错误记录；

S22、将清洗后的历史交通流量数据按设定的间隔时间进行合并，同时进行归一化处理。

4.根据权利要求3所述的基于多任务的交通流量预测方法，其特征在于，所述步骤S22还包括如下步骤：

S221、将各个高速路段监测点采集的并清洗后的历史交通流量数据，按设定的间隔时间分别进行累加合并，得到各个设定间隔时间的交通流量数据；

S222、选取出各个设定间隔时间的交通流量数据中最大的交通流量值，并将各个设定间隔时间的交通流量数据与所述最大的交通流量值的比值，作为归一化处理后的交通流量数据集。

5.根据权利要求4所述的基于多任务的交通流量预测方法，其特征在于，所述步骤S3还包括如下步骤：

S31、将每个高速路段监测点视作节点，根据各个高速路段监测点之间的路网距离构建图；

S32、将步骤S222中处理得到的各监测点交通数据作为图节点顶点集数据，同时将邻接矩阵作为图中边集并存储为图结构数据，所述图结构数据即作为高速交通数据；路网的邻接矩阵通过交通网络中的监测站的距离来计算，带权邻接矩阵W通过以下公式计算：

其中w_ij是边的权重，通过d_ij得到，也就是第i个高速路段监测点和第j个高速路段监测点之间的距离，σ²和是来控制矩阵W的分布和稀疏性的阈值。

6.根据权利要求1所述的基于多任务的交通流量预测方法，其特征在于，所述时空图卷积网络模块，包括两个时空卷积块和一个连接在末尾的全连接输出层来；每个时空卷积块均包括两个时间门卷积层，所述两个时间门卷积层中间设有一个空间图卷积层。

7.根据权利要求1所述的基于多任务的交通流量预测方法，其特征在于，所述多任务学习模块，包括一个共享隐藏层，用于对于不同的交通流量需求预测任务。